utilizaÇÃo da simulaÇÃo a eventos discretos para a...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE ITAJUBÁ
INSTITUTO DE ENGENHARIA DE PRODUÇÃO E GESTÃO
TRABALHO FINAL DE GRADUAÇÃO – 2017
ENGENHARIA DE PRODUÇÃO
UTILIZAÇÃO DA SIMULAÇÃO A EVENTOS DISCRETOS PARA A IMPLEMENTAÇÃO DE CONCEITOS DE MANUFATURA ENXUTA EM UMA
EMPRESA DE TECNOLOGIA
PATRÍCIA MACIEL ARANTES
JOSÉ ANTÔNIO DE QUEIROZ
Itajubá, 14 de Junho de 2017
1
RESUMO
O foco da produção enxuta é eliminar o desperdício, definido como toda e qualquer atividade que não agrega valor aos produtos e/ou serviços do ponto de vista dos clientes e/ou usuários. Neste contexto, este trabalho apresenta um estudo da utilização da Simulação a Eventos Discretos para identificar os desperdícios presentes em uma linha de produção de uma empresa de tecnologia para, em seguida, aplicar e avaliar os resultados da inserção de conceitos de Manufatura Enxuta. Na linha de produção, objeto de estudo do trabalho, é possível observar certa irregularidade na produção, não relacionada à demanda do cliente. Esse desperdício, conhecido como mura provoca períodos de sobrecarga (muri), seguidos por períodos de ociosidade (muda). Dessa forma, busca-se melhorar o desempenho da linha de produção, eliminando a falta de regularidade e as demais atividades que não agregam valor. O trabalho tem ainda o objetivo de definir a capacidade máxima de produção da linha, considerando a existência de uma demanda não atendida. Dentro das etapas da simulação, utilizou-se a técnica IDEF-SIM para a modelagem conceitual e o software ProModel (versão 9.1.1.1658) para a modelagem computacional. Ao fim do estudo, a linha apresentou uma melhor distribuição das cargas de trabalho, um ambiente mais organizado e um aumento de capacidade produtiva de 21%.
Palavras-chave: Simulação a Eventos Discretos, Manufatura Enxuta, Eliminação de Desperdícios.
1. INTRODUÇÃO
O trabalho se desenvolveu em uma das linhas de produção da empresa Honeywell em Itajubá, uma multinacional que oferece produtos e serviços atendendo a diversos mercados, desde aeroespacial e de eletrônicos até o de segurança e de energia.
Tendo em vista que o foco da Manufatura Enxuta é a eliminação total dos desperdícios, muitas empresas se esforçam em iniciativas com o intuito de eliminar as atividades que não agregam valor (os chamados mudas). No entanto, a base da filosofia lean é a estabilidade e a padronização das atividades, conceitos que se relacionam diretamente aos outros tipos de desperdício: muras e muris.
Esse problema pode ser observado na empresa, que já manifesta esforços para o combate aos mudas. Entretanto, ainda existem irregularidades na produção não relacionadas à demanda do cliente, e também variações entre as cargas de trabalho dos operadores, duas situações típicas de muras, que acabam se configurando em causas-raiz de muris (sobrecargas) e mudas (desperdícios).
Nesse sentido, o trabalho busca identificar a falta de regularidades (muras) e as sobrecargas de trabalho (muris) e eliminá-los de forma a evitar prejuízos às iniciativas da empresa na eliminação dos desperdícios (mudas).
1.1 Objetivos
O objetivo geral do trabalho é utilizar a Simulação a Eventos Discretos para auxiliar no planejamento e execução de ações que visam inserir conceitos e técnicas de
2
Manufatura Enxuta na linha de produção objeto de estudo do trabalho, com a finalidade de melhorar o seu desempenho.
O objetivo geral desdobra-se nos seguintes objetivos específicos:
- Definir a capacidade máxima da linha, havendo a existência de uma demanda não atendida;
- Eliminar ou reduzir a falta de regularidade;
- Eliminar ou reduzir as atividades sem valor agregado;
- Gerar um modelo computacional do objeto de estudo.
2. FUNDAMENTAÇÃO TEÓRICA
Segundo o Lean Institute Brasil (2016), a partir da necessidade de embasar a iniciativa lean em propósitos claramente definidos e orientados à criação de valor ao cliente, estabelece-se uma relação com as mudanças requeridas nos processos e na organização do trabalho. A Simulação a Eventos Discretos (SED) pode auxiliar nessas mudanças, uma vez que, segundo Chwif e Medina (2010), consegue capturar com mais fidelidade a natureza dinâmica e aleatória dos sistemas reais.
2.1 Manufatura Enxuta
A filosofia de Manufatura Enxuta surge a partir do Sistema Toyota de Produção, desenvolvido por Taiichi Ohno no Japão na década de 50, cujo foco é a redução dos custos por meio da absoluta eliminação dos desperdícios (OHNO, 1997).
Hines e Taylor (2000) dividem em três as atividades dentro de uma organização: atividades que agregam valor, pelas quais os clientes estão dispostos a pagar; atividades desnecessárias que não agregam valor, que são os desperdícios puros, os quais devem ser o alvo em curto prazo; e atividades necessárias que não agregam valor, cuja eliminação necessita de mudanças mais radicais, logo, embora sejam atividades necessárias técnica ou economicamente, devem ser o alvo em longo prazo.
Nesse contexto, muda, mura e muri são termos geralmente usados para descrever práticas que geram desperdício.
O primeiro, muda, se refere aos sete desperdícios identificados por Taiichi Ohno (1997), listados a seguir:
a) Superprodução: produção em maior quantidade ou antes que o necessário. b) Espera: períodos de ociosidade de pessoas, materiais ou informações. c) Transporte: movimentação desnecessária e/ou excessiva de materiais ou
informações. d) Processamento: processos desnecessários, inapropriados e/ou ineficientes, que
muitas vezes podem ser simplificados. e) Estoque: materiais presentes no fluxo de valor que não estão sendo
processados. f) Movimentação: movimentos desnecessários causados, por exemplo, pela
organização inadequada do posto de trabalho, podendo resultar em problemas ergonômicos.
g) Defeitos: erros relacionados às informações e/ou aos produtos que geram problemas de qualidade.
3
Para chegar à absoluta eliminação dos desperdícios, a Casa Toyota (Figura 1) mostra como o sistema de manufatura enxuta proposto por Ohno (1997) é sustentado por dois pilares: Jidoka e Just In Time (JIT).
Figura 1 – Casa do Sistema Toyota de Produção Fonte: Lean Institute Brasil (2016)
O Jidoka consiste na automação com um toque humano, de forma a evitar a produção em massa de itens defeituosos. Assim, se diversas máquinas possuem dispositivos de parada automática no caso de anormalidades e/ou dispositivos de segurança, elas podem facilmente ser administradas por somente um operador (OHNO, 1997).
Existem duas ferramentas que podem ser utilizadas: Poka Yoke e Andon. O primeiro tem o intuito de evitar ou sinalizar possíveis erros, enquanto o segundo é uma ferramenta de gestão visual que avisa qualquer estado anormal de funcionamento da máquina.
O Just In Time (JIT) é uma expressão em inglês que pode ser traduzida como “apenas no momento certo”, mas seu significado é um pouco mais amplo. A prática do JIT exige a entrega somente do item necessário, no momento necessário e na quantidade necessária (OHNO, 1997), de forma a eliminar o excesso de produção, que segundo Rother e Shook (2012), é a fonte mais importante de desperdício, uma vez que ela dispara e mascara os demais desperdícios.
O JIT se baseia em três elementos operacionais (Figura 1): takt time, fluxo contínuo e sistema puxado (LEAN INSTITUTE BRASIL, 2016).
O takt time define a frequência com que um item deve ser produzido, baseado no tempo disponível e na demanda, buscando a sincronização do ritmo de produção com o ritmo de vendas (ROTHER E SHOOK, 2012).
Em seguida, busca-se implementar fluxo contínuo (Figura 2) onde for possível. Segundo Rother e Shook (2012), esta é a maneira mais eficiente de se produzir. Trabalha-se uma peça de cada vez, com cada item sendo passado imediatamente de um estágio do processo para o seguinte. Isso evita as paradas e muitos outros desperdícios.
4
Figura 2 – Fluxo contínuo Fonte: Adaptado de Rother e Shook (2012)
Por último, onde houver necessidade, são instalados os sistemas puxados com supermercados (Figura 3). Trata-se de um método de controle da produção entre dois fluxos, cujo objetivo é de dar a ordem exata de produção ao processo anterior, sem tentar prever a demanda posterior para programar este processo (ROTHER E SHOOK, 2012).
Figura 3 – Sistema puxado com supermercado Fonte: Adaptado de Rother e Shook (2012)
O objetivo do sistema puxado é controlar firmemente todo o trabalho em processo, para que o processo anterior produza somente o quê, quanto e quando o seguinte necessitar. O funcionamento deste sistema pode ser assim explicado: de posse do(s) kanban(s) de retirada, o responsável pela movimentação de materiais vai até o supermercado do processo fornecedor e providencia a “compra” de um novo lote; o kanban de produção que estava fixado ao lote “comprado” é então enviado ao processo fornecedor, informando o quê, quanto e quando produzir para atender à demanda sem gerar a superprodução por quantidade e/ou por antecipação.
No entanto, Morgan e Liker (2008) defendem que o pensamento verdadeiramente enxuto não foca na eliminação unidimensional da muda; ele trabalha a fim de eliminar os três tipos de desperdícios inter-relacionados: muda, mura e muri. É importante ter em vista que a base do sistema é a estabilidade e o trabalho padronizado (Figura 1), que se relacionam diretamente com os outros tipos de desperdício: mura e muri.
O termo mura refere-se à falta de regularidade, não necessariamente causada pela demanda do cliente final. Ela apresenta-se em duas formas básicas: desnivelamento e desbalanceamento.
Segundo Morgan e Liker (2008), na forma de desnivelamento, essa irregularidade é o resultado de um cronograma irregular e flutuante dos volumes de produção, que provoca períodos de sobrecarga (muri) intercalados por períodos de ociosidade
5
(muda), ou seja, grandes picos e vales de produção, mostrados pela linha em vermelho (Figura 4). Em verde, mostra-se o que seria a situação ideal, uma produção mais regular e estável.
Figura 4 – Mura, Muri, Muda: desnivelamento do volume de produção Fonte: Adaptado de Lean Laboratory (2015)
Já na forma de desbalanceamento, o mura representa a não uniformidade do ritmo produtivo em diferentes operações. Esta situação, além de gerar desperdícios adicionais (muda), como estoque ou superprodução, provoca sobrecarga (muri) em algumas atividades (Figura 5), onde alguns operadores e/ou equipamentos têm picos de trabalho intensos, enquanto outros estão ociosos (LEAN INSTITUTE BRASIL, 2016).
Figura 5 – Mura, Muri, Muda: desbalanceamento das cargas de trabalho Fonte: Adaptado de Gil (2015)
Morgan e Liker (2008) destacam a necessidade de criar um sistema estável e uniforme, permitindo que as ferramentas da manufatura enxuta funcionem adequadamente.
Por isso também que Womack (2006) afirma que o resultado inevitável é que a existência de mura cria muri, que prejudica os esforços prévios para eliminar muda. Em resumo, mura e muri são agora as causas raiz de muda em muitas organizações.
2.2 Simulação a Eventos Discretos e sua integração com a Manufatura Enxuta
Para Banks et al. (2005), a simulação é a imitação de um processo ou de um sistema do mundo real ao longo do tempo e envolve a geração de uma história artificial e a sua observação para a elaboração de inferências a respeito das características operacionais do sistema real que está sendo representado.
Tempo
Atividades
6
Segundo Montevechi et al. (2010), a simulação é a importação da realidade para dentro de um ambiente controlado, no qual o seu comportamento pode ser estudado e testado sobre diversas condições, sem apresentar riscos físicos e com uma redução nos custos envolvidos.
Inúmeras são as vantagens proporcionadas pela simulação, dentre as quais, Banks et al. (2005) destacam as seguintes: testar novos projetos de equipamentos; testar layouts e sistemas de transportes sem consumo de recursos ou aquisições; fornecer uma maior compreensão sobre interações entre variáveis e a importância de seus efeitos no sistema; analisar gargalos para se descobrir onde há estoque em processo e informações e materiais em excesso; auxiliar no entendimento de como o sistema opera como um todo, ao invés de como operam suas partes; e a realizar experimentos (questões “what if”), o que é particularmente útil.
Entretanto, alguns autores ressaltam algumas dificuldades desta ferramenta. Banks et al. (2005) ressaltam a necessidade de treinamento especial para a construção de modelos na simulação, e que os resultados podem ser de difícil interpretação, pois são essencialmente variáveis aleatórias.
Law (2014), além da questão da necessidade de treinamento especial em um software ou linguagem de programação, aponta que os modelos de simulação geralmente são caros e consomem um elevado tempo para o seu desenvolvimento. Para o autor, os resultados provenientes de um modelo de simulação podem apresentar uma complexa interpretação por parte dos tomadores de decisões, e ainda as informações provenientes deste modelo podem não possuir utilidade caso o modelo não seja validado.
A simulação procura repetir em um computador o mesmo comportamento que o sistema apresentaria quando submetido às mesmas condições de contorno (CHWIF e MEDINA, 2010). Segundo Marvel e Standridge (2009), as condições de contorno muitas vezes envolvem variabilidades de natureza dinâmica ou aleatória, assim como, interações entre os componentes do sistema. Dessa forma, a simulação permite, não só analisar o comportamento sob uma variedade de condições, como também, analisar individualmente o comportamento das partes do sistema.
Segundo Abdulmalek e Rajgopal (2007), a utilização da simulação para a implementação dos conceitos enxutos tem como principal vantagem a possibilidade de visualização e avaliação antecipada e detalhada dos resultados esperados para os estados futuros. Por outro lado, a Manufatura Enxuta e suas ferramentas podem oferecer à simulação um direcionamento para as ações de melhoria, fazendo com que estas passem a ser escolhidas de acordo com os princípios e conceitos enxutos, os quais têm como foco a redução dos custos pela eliminação dos desperdícios, ou seja, daquelas atividades que não agregam valor aos clientes, mas que implicam em aumento dos custos e redução dos lucros (QUEIROZ et al., 2015).
3. METODOLOGIA
O trabalho propõe a utilização da Simulação a Eventos Discretos como metodologia para a implementação dos conceitos de Manufatura Enxuta.
Segundo Chwif e Medina (2010), a execução de projetos de simulação se dá em três fases cíclicas: concepção, implementação e análise. Essa pesquisa utiliza a metodologia proposta por Montevechi et al. (2007), representada pela Figura 6.
7
Na concepção, desenvolve-se o modelo conceitual, uma representação do objeto de estudo. Após sua validação, coletam-se os dados, como tempos, custos, etc., relevantes com relação aos objetivos definidos.
Na fase de implementação, a partir do modelo conceitual validado e dos dados de entrada, constrói-se o modelo computacional, para posterior verificação e validação. A validação pode ser feita de duas formas: quantitativa, comparando variáveis de saída do sistema real e do modelo; e validação face-a-face com especialistas do sistema real.
Por último, na fase de análise são planejados e executados experimentos, cujos resultados são analisados para gerar conclusões e recomendações a respeito do objeto de estudo.
Figura 6 – Metodologia de Simulação a Eventos Discretos Fonte: Adaptado de Montevechi et al. (2007)
8
4. APLICAÇÃO
A aplicação do trabalho se deu na empresa Honeywell, multinacional de tecnologia diversificada, cujos produtos e serviços estão presentes tanto em atividades do setor aeroespacial como em soluções de segurança e produtividade.
Em Itajubá, a Honeywell Scanning & Mobility (HSM) atua em um centro de serviços de reparos e em linhas de montagem de hardwares para coleta de dados, como os scanners de código de barras.
As etapas da aplicação são apresentadas a seguir de acordo com o método proposto por Montevechi et al. (2007), exposto no capítulo anterior.
4.1 Concepção
4.1.1 Objetivos e definição do sistema
A linha de produção, objeto de estudo do trabalho, é responsável pela produção de diferentes modelos de scanners, entre eles, o scanner A. O projeto de simulação tem como objetivo aumentar a capacidade de produção da linha em questão por meio da aplicação dos conceitos de Manufatura Enxuta, tendo como pressuposto a existência de uma demanda não atendida.
Embora a bancada esteja dividida de forma a acomodar ferramentas necessárias para fabricação de diferentes produtos, o layout a seguir (Figura 7) destaca os locais dedicados à fabricação do scanner A.
Figura 7 – Layout da linha de produção do scanner A
A linha opera durante um turno com intervalos programados, de forma que a operação acontece nos períodos mostrados na Tabela 1.
Tabela 1 – Divisão do turno da linha
Período Intervalo Atividade
- 08:00 - 08:15 Preparação da linha
A 08:15 - 10:30 Operação
- 10:30 - 10:45 Intervalo
B 10:45 - 12:30 Operação
- 12:30 - 14:00 Intervalo de almoço
C 14:00 - 15:30 Operação
- 15:30 - 15:45 Intervalo
D 15:45 - 17:50 Operação
- 17:50 - 18:00 Organização do posto de trabalho
9
Os dois funcionários da linha se dividem entre três postos: montagem, teste e kitting. O primeiro funcionário é responsável pela montagem do scanner e disponibiliza-o em um estoque intermediário. Em seguida, o segundo funcionário o conecta no teste automático. Quando o scanner é aprovado, seu laser é testado de forma manual, ainda pelo segundo funcionário. Caso seja aprovado neste último teste, o produto segue para o kitting. Já no caso de reprovação em qualquer um dos testes, o produto é retrabalhado pelo primeiro funcionário, ao fim do turno.
O kitting, realizado também pelo segundo funcionário, consiste na finalização do scanner, posicionando seus adesivos de identificação e embalando-o. Segue então, pela montagem da caixa e a embalagem do scanner¸ junto ao kit previamente separado. Por fim, o funcionário ainda separa o kit que será usado no próximo ciclo, com auxílio de um sistema Poka Yoke.
4.1.2 Construção do modelo conceitual
A partir do estudo detalhado do funcionamento e fluxo produtivo da linha de produção do scanner A, foi construído o modelo conceitual utilizando a técnica IDEF-SIM, proposta por Leal et al. (2008). O IDEF-SIM é uma linguagem de modelagem de processos que aproxima a linguagem do mapa conceitual daquela utilizada em softwares de simulação, com o objetivo de tornar mais simples a programação. A simbologia desta técnica de modelagem está detalhada no Anexo A, enquanto o modelo conceitual construído é apresentado na Figura 8.
Figura 8 – Modelo Conceitual do Estado Atual
Para o operador das atividades de kitting, foi necessário estabelecer prioridade nas funções. Isso porque o primeiro teste, mesmo sendo automático, necessita do
Estoque Pré-Teste Teste
REP*
APR
SR
SA Teste Laser
X
REP*
APR
SR
SA
X
Preparação Scanner
&
MP Montagem SM
Montagem da Caixa Caixa
Separação do Kit Kit
Embalagem PA
A
A
Material para Verificação
&B
B
**
OP1 OP2
OP2
OP2 OP2
OP2
OP2
Lista de Entidades:MP : Matéria-primaSM : Scanner MontadoSA : Scanner AprovadoSR : Scanner ReprovadoPA : Produto Acabado
Até 5 peças: transporte ao final do turno.Mais que 5 peças: Transporte imediato.
Cap.= 12
Cap.= 5
* Taxa de reprovação muito baixa** TCOP TCRET
Escala de prioridade
+ -
Bancada da Montagem
Cap. = 30
Área MP
OP1
Cap. = inf.
Bancada do Kitting
Cap. = 12
Área MP
OP2
Cap. = inf..
MP
Estoque Caixa
Cap. = 25
MP Área MP
OP2
Cap. = inf.
10
operador para o pré-teste, sendo que as outras operações dependem do produto que sai do teste. O estabelecimento de prioridades é importante para que a linha entre em ciclo.
4.1.3 Validação do modelo conceitual
O desenvolvimento do modelo conceitual contou com o apoio do gestor da linha de produção dos scanners, que sugeria modificações sempre que necessário. Dessa forma, utilizou-se a técnica de validação face-a-face, em que o gestor analisou e validou o resultado dessa etapa do projeto.
4.1.4 Documentação do modelo conceitual
O modelo conceitual em IDEF-SIM foi documentado e disponibilizado no sistema online de gestão do conhecimento denominado de “GC Simula” desenvolvido pelo Núcleo de Estudos Avançados para Auxílio à Decisão (NEAAD), do Instituto de Engenharia de Produção e Gestão (IEPG), da Universidade Federal de Itajubá (UNIFEI), com o intuito de facilitar o compartilhamento de dados e informações, e melhorar a comunicação entre os membros do projeto. O software é dividido em pastas que seguem a metodologia de Montevechi et al. (2007), onde são salvos os arquivos produzidos em cada uma das etapas.
4.1.5 Modelagem dos dados de entrada
De forma a facilitar a coleta de dados, as atividades contidas no fluxo produtivo da linha foram discriminadas e estão listadas na Tabela 2.
Tabela 2 – Atividades por operador
Operador Atividades
1 - Montagem
Montagem
Limpeza dos componentes
Reabastecimento
Retrabalho
2 - Kitting
Pre-Teste
Teste Manual
Finalização
Embalagem
Montagem do Kit
Montagem de caixa
Contagem (apontamento e transporte de kits da bancada ao pallet do fim da linha)
Reabastecimento
As medições de tempo de cada atividade foram feitas por meio de filmagens da operação da linha, com a devida autorização dos responsáveis, e conhecimento dos funcionários.
Para o reabastecimento da linha, foram utilizados tempos determinísticos, devido à baixa frequência com a qual essas atividades eram realizadas. Para a cronometragem das demais atividades foram considerados os períodos de operação do turno, apresentados na Tabela 1. Isto porque, os períodos apresentação variação significativa no ritmo de produção ao longo do dia. Dessa forma, foram coletados 80
11
tempos, distribuídos igualmente nos diferentes períodos de operação (A, B, C e D), ou seja, 20 medições por período.
O Gráfico 1 mostra os tempos de ciclo médio de cada atividade.
Gráfico 1 – Tempo de ciclo por atividade
A modelagem dos dados de entrada foi feita usando o StatFit, uma extensão do ProModel, e as distribuições estatísticas obtidas estão listados na tabela 3.
Tabela 3 – Distribuição do tempo de ciclo por atividade e por período
Período Atividade Distribuição Tempos
A Montagem 136+220*(1./(1.+EXP(-(N(0.,1.)-1.15)/1.19)))
A Pré-Teste 10.8-1.62*LN(LN(1./U(0.5,0.5)))
A Teste B(0.633, 0.852, 89., 147)
A Teste Laser 10.8-0.721*LN((1./U(0.5,0.5))-1.)
A Final. Scanner 57.9+L(21.4, 21.3)
A Montagem Caixa 7.1-1.26*LN(LN(1./U(0.5,0.5)))
A Embalagem 28.2+33.5*(1./(1.+EXP(-(N(0.,1.)-1.28)/0.806)))
A Separação Kit 3.25+(1./0.205)*(-LN(U(0.5,0.5)))**(-1./3.26)
B Montagem 111+76.4*(1./((1./U(0.5,0.5))-1.))**(1./4.71)
B Pré-Teste 6.41+P5(1.89, 4.07)
B Teste 87.4+L(23., 45.6)
B Teste Laser 5.53+(1./0.238)*(-LN(U(0.5,0.5)))**(-1./4.79)
B Final. Scanner 59.+19.6*(1./((1./U(0.5,0.5))-1.))**(1./1.65)
B Montagem Caixa 3.39+P5(4.66, 15.3)
B Embalagem 23.4+(1./0.276)*(-LN(U(0.5,0.5)))**(-1./1.42)
B Separação Kit -2.46+ER(10.1, 29.)
C Montagem 135+(1./2.7e-002)*(-LN(U(0.5,0.5)))**(-1./2.31)
C Pré-Teste 8.84-0.556*LN((1./U(0.5,0.5))-1.)
C Teste 87.7+57.*(1./(1.+EXP(-(N(0.,1.)-0.168)/0.397)))
C Teste Laser 7.74+W(2.06, 2.49)
C Final. Scanner T(50.5, 56., 93.1)
C Montagem Caixa 4.28+G(3.93, 0.843)
C Embalagem -726+L(757, 2.81)
C Separação Kit -4.16+P5(36.1, 436)
203,9
110,6
10,9 10,4
78,1
33,0
8,5 7,7
0,0
50,0
100,0
150,0
200,0
250,0
Montagem Teste Auto Pre-Teste TesteManual
Finalização Embalagem Montagemkit
Montagemda caixa
[s]
12
D Montagem B(0.733, 1.,155, 263)
D Pré-Teste 6.8+W(2.12, 2.32)
D Teste B(0.691, 0.776, 83., 133)
D Teste Laser 9.86-0.576*LN((1./U(0.5,0.5))-1.)
D Final. Scanner 50.3+W(1.87, 19.4)
D Montagem Caixa 4.59+G(2.93, 1.07)
D Embalagem 21.5+9.54*(1./((1./U(0.5,0.5))-1.))**(1./4.9)
D Separação Kit -10.+G(81., 0.225)
Os tempos das atividades são apresentados na Tabela 4.
Tabela 4 – Dados do abastecimento
Operador Quantidade Duração [s]
OPA 4 110
OPB 10 30
As atividades de inspeção, tanto o teste automático, como o manual, apresentam baixíssimas taxas de reprovação e retrabalho. Dessa forma, optou-se por desconsiderar esses dados na simulação.
4.2 Modelagem computacional
4.2.1 Construção do modelo computacional
O modelo computacional foi construído utilizando-se o software ProModel. Utilizou-se a planta baixa da empresa, onde foram distribuídos os locais e recursos. A lógica do modelo foi criada a partir do IDEF-SIM apresentado na Figura 8 e dos dados de entrada modelados.
Para simular a preparação da linha, que acontece nos primeiros 15 minutos do turno, além da simulação de chegadas infinitas nas áreas de matéria prima, foi inserida chegada unitária em cada uma das bancadas, de forma que as bancadas estão abastecidas quando começa o turno às 8:15.
No estado atual, cada um dos operadores faz o abastecimento da própria bancada quando ela está vazia. Esta atividade é feita utilizando as funções inc e dec das variáveis que controlam o nível de estoque nas bancadas, seguida pela função send, que é ativada quando as variáveis apresentam valor zero. Como o operador só consegue carregar uma entidade por vez, utilizou-se uma entidade que se divide na quantidade correta de itens, por meio da função split, assim que chega à bancada.
Quando os estoques nas bancadas não estão zerados, os operadores realizam suas respectivas funções normalmente. As operações foram modeladas usando principalmente as funções: use; get associado à wait e free; apenas wait, no caso do teste automático e join para as operações de kitting.
As atividades do operador B foram simuladas de acordo com as prioridades estabelecidas na modelagem conceitual da Figura 8.
13
A Figura 9 mostra o layout do modelo com os locais dedicados à fabricação do scanner A contornados por uma linha contínua. Como já citado, a linha não é dedicada, portanto, no layout existem locais utilizados por outros produtos.
Figura 9 – Layout do modelo computacional
4.2.2 Verificação do modelo computacional
Para verificar o modelo, os valores das variáveis durante a simulação foram acompanhados por meio de displays na tela, de forma a assegurar que os tempos modelados estavam semelhantes aos coletados no sistema real.
Além disso, verificou-se se os funcionários estavam seguindo o turno estipulado e se o operador B estava seguindo a escala de prioridade entre as tarefas no seu posto.
4.2.3 Validação do modelo computacional
A validação foi feita no Gemba, ou seja, diretamente na linha de produção, onde as coisas acontecem, e face-a-face com o gestor da linha, por meio da análise do funcionamento do fluxo, processamentos e recursos, e do acompanhamento das variáveis.
Assim, foi possível confirmar o modelo junto ao processo, comparando qualitativa e quantitativamente os resultados do sistema real com o modelo produzido e seus dados de saída.
Para analisar e validar o modelo do estado atual da linha do scanner A, o modelo foi simulado com 10 réplicas durante uma semana. Além disso, analisou-se também o sistema real, por meio das filmagens.
Com relação aos resultados quantitativos, em um dia de trabalho no modelo, obteve-se em média 124 produtos, variando entre 122 e 125 produtos com intervalo de confiança de 95%, enquanto que o sistema real opera produzindo 119 kits por dia. Essa diferença se deu, pois o sistema real possui uma meta de produção fixa por dia. Logo, com esse resultado, é possível concluir que esse valor está
14
subdimensionado. Os operadores adaptam seu ritmo de trabalho à meta estabelecida. A Tabela 5 mostra o total produzido ao final da simulação.
Tabela 5 – Total Produzido
Dia da semana Estado atual
Média Intervalo (10 rep., 95% conf.)
Segunda 121,90 (120,23;123,57)
Terça 125,20 (123,55;126,85)
Quarta 123,40 (121,88;124,92)
Quinta 125,30 (123,79;126,81)
Sexta 123,50 (121,21;125,79)
Média 123,86
Os tempos de ciclo de cada atividade combinados resultam nos tempos de ciclo dos operadores ou dos postos de trabalho (Gráfico 2): operador A na montagem (OPA), operador B nas atividades de kitting (OPB) e AUTO referente ao teste automático.
Gráfico 2 – Estado Atual: Ocupação por posto de trabalho
203,9
148,6
111
0
50
100
150
200
250
OPA OPB AUTO
[s]
15
Gráfico 3 – Estado Atual: Estado dos recursos
Pelo Gráfico 2 é possível notar o desbalanceamento das cargas de trabalho e a existência de um gargalo na operação de montagem. E, de fato, o resultado da simulação confirma essa conclusão pelo estado dos operadores (Gráfico 3). Nota-se que o operador B fica cerca de 30% do seu tempo ocioso, enquanto o operador A está em operação durante esse tempo.
Durante cerca de 5% do tempo, o operador do gargalo está em movimentação. Isso se deve à atividade de reabastecimento da linha que é feita pelo próprio operador. O abastecimento, além de ser um problema por utilizar tempo do operador sem agregar valor ao produto, gerando uma subutilização da capacidade de produção da linha.
Além disso, sem o controle do que deve ser abastecido, o operador leva para a linha a quantidade de material que considera necessário. Dessa forma, cada matéria-prima acaba em um momento, gerando mais abastecimentos, e, eventualmente, excesso de materiais na linha, que podem sofrer dados.
4.3 Execução dos experimentos simulados
A análise do estado atual permitiu a definição do projeto experimental descrito nos itens a seguir.
4.3.1 Definição do projeto experimental
Com base na análise do cenário atual, identificou-se as ações de melhoria alinhadas aos princípios da Manufatura Enxuta que seriam simuladas para posterior implementação no sistema real.
As ações descritas nos próximos itens buscam aumentar a produtividade da linha, balanceando as cargas de trabalho e eliminando o abastecimento feito pelos próprios operadores.
16
4.3.1.1 Balanceamento das cargas de trabalho
Embora realize somente uma atividade, o gargalo é o operador da montagem. Para balancear as cargas de trabalho e, consequentemente, diminuir o tempo de ciclo do gargalo e aumentar a capacidade da linha, foi feito um detalhamento das tarefas desenvolvidas durante a montagem.
Foram cronometrados 10 tempos de cada uma das tarefas a fim de definir qual atividade poderia ser transferida de um operador para o outro. O Gráfico 4 mostra o tempo gasto em cada uma das tarefas.
Gráfico 4 – Tempo das tarefas da montagem
Como as tarefas têm bastante interdependência, a proposta foi de passar a última tarefa, limpeza e adesivo, para o segundo operador. Com isso, as atividades da linha passam a ter tempos de ciclo diferentes (Tabela 6).
Tabela 6 – Dados do abastecimento
1 - Montagem 2 - Kitting
Atividade Tempo de ciclo [s]
Atividade Tempo de ciclo [s]
Montagem da empunhadora 34 Limpeza e adesivo 28
Montagem da placa 62 Embalagem 33,0
Limpeza da lente dianteira 36 Montagem da caixa 7,7
Montagem da proteção dianteira 11 Preparação scanner 78,1
Montagem top cover 33 Pré-teste 10,9
Separação de kit 8,5
Teste Laser 10,4
Total 176 Total 176,5
Com o balanceamento, o operador B, mesmo que por pouco, se torna o novo gargalo. Entretanto, como a operação de montagem levava quase o dobro de tempo do kitting, o segundo operador diminuía seu ritmo para tentar compensar a diferença de tempo entre eles. Sendo assim, é de se esperar que o tempo de ciclo do operador do kitting fique abaixo dos 176,5 segundos.
34
62
36
11
33 28
0
10
20
30
40
50
60
70
Montagem daempunhadora
Montagem daplaca
Limpeza dalente
Montagem daproteçãodianteira
Montagem topcover
Limpeza eadesivo
Te
mp
o [
s]
17
Gráfico 5 – Proposta dos tempos balanceados
Portanto, no modelo computacional do estado futuro, os tempos das atividades se modificaram e foram substituídos por novas distribuições.
4.3.1.2 Abastecimento da linha – Sistema Kanban
Para planejar do novo abastecimento, considerou-se o espaço ocupado por componente na bancada de trabalho e a classificação ABC do custo dos componentes, para definir os itens a serem controlados por Kanban. A Tabela 7 apresenta a definição e a classificação ABC dada a cada componente.
Além disso, foi definido o tamanho do container (Figura 10) utilizado para cada componente e com isso, quantos cartões Kanban (Figura 11) seriam utilizados de acordo com a produção diária e com a quantidade de abastecimentos (Tabela 8).
O novo abastecimento da linha será feito por um movimentador de materiais respeitando o sistema Kanban estabelecido. Portanto, para o modelo computacional do estado futuro foi retirado o tempo de abastecimento do tempo gasto pelo operador.
Tabela 7 – Classificação ABC do custo dos componentes
Descrição ABC Controle
CABO USB A Kanban
COBERTURA DO LEITOR A Kanban
EMPUNHADORA A Kanban (balde)
JANELA DE LEITURA A Kanban
MÓDULO ÓPTICO A Kanban
SUPORTE PARA OPERAÇÃO A Kanban (balde)
BASE DO LEITOR B Kanban
CABO FLEXÍVEL B Bancada
CAIXA B Kanban
203,9
148,6
111
176 176,5
111
0
50
100
150
200
250
OPA OPB AUTO
Tem
po
[s]
Atual
Proposta
18
MANUAL B Kanban
BORRACHA ISOLANTE DIREITA C Bancada
BORRACHA ISOLANTE ESQUERDA C Bancada
EMBALAGEM EXTERNA C Bancada
ETIQUETA DA CAIXA C Bancada
ETIQUETA DE KITTING C Bancada
ETIQUETA DO PRODUTO C Bancada
ETIQUETA OVAL C Bancada
ETIQUETA TRANSPARENTE C Bancada
PARAFUSO M2.5*5MM C Bancada
PARAFUSO M3x14MM C Bancada
SACOLA PLÁSTICA C Bancada
Tabela 8 – Dimensionamento dos cartões Kanban
Descrição Tamanho do
Container Total de Cartões
CABO USB #7 15
SUPORTE PARA OPERAÇÃO balde 15
EMPUNHADORA balde 10
JANELA DE LEITURA #5 10
MÓDULO ÓPTICO #5 25
COBERTURA DO LEITOR #5 15
MANUAL #5 10
BASE DO LEITOR #5 5
CAIXA - 10
* obs.: Dois abastecimentos diários
Figura 10 - Containers para o abastecimento pelo Sistema Kanban
19
Figura 11 – Modelo de cartão Kanban
4.3.2 Execução dos experimentos
Tendo o projeto experimental definido, foi construído um novo modelo conceitual e um novo modelo computacional. O IDEF-SIM do estado futuro está apresentado na Figura 12.
Figura 12 – Modelo Conceitual do Estado Futuro
De forma semelhante, o modelo computacional do estado futuro foi simulado com 10 réplicas durante uma semana. Em resumo, a diferença para o modelo do estado atual se deu pelo balanceamento dos tempos das atividades e pela eliminação do tempo gasto com deslocamentos pelos operadores.
Estoque Pré-Teste Teste
REP*
APR
SR
SA Teste Laser
X
REP*
APR
SR
SA
X
Preparação Scanner
&
MP Montagem SM
Montagem da Caixa Caixa
Separação do Kit Kit
Embalagem PA
A
A
Material para Verificação
&B
B
**
OP1 OP2
OP2
OP2 OP2
OP2
OP2
Lista de Entidades:MP : Matéria-primaSM : Scanner MontadoSA : Scanner AprovadoSR : Scanner ReprovadoPA : Produto Acabado
Até 5 peças: transporte ao final do turno.Mais que 5 peças: Transporte imediato.
Cap.= 12
Cap.= 5
* Taxa de reprovação muito baixa** TCOP TCRET
Escala de prioridade
+ -
Bancada da Montagem
Cap. = 30
Bancada do Kitting
Cap. = 12
MP
Estoque Caixa
Cap. = 25
MP
Limpeza da lente
OP2
COMPONENTE
20
4.3.3 Análise dos resultados
Ao fim do experimento simulado, obteve-se uma produção de cerca de 150 kits, variando entre 147 e 152 produtos com intervalo de confiança de 95%. O tempo de ciclo da montagem teve uma média de 186,08 segundos enquanto a atividade de kiting era executada em média em 181,75 segundos.
Esse aumento representa 21% da capacidade produtiva da linha. A Tabela 9 apresenta os resultados do total produzido no experimento.
Tabela 9 – Total Produzido no Experimento
Dia da semana Estado futuro
Média Intervalo (10 rep., 95% conf.)
Segunda 147,50 (146,53;148,47)
Terça 150,30 (148,68;151,92)
Quarta 151,40 (149,92;152,88)
Quinta 152,10 (150,58;153,62)
Sexta 146,90 (140,81;152,99)
Média 149,6
Além disso, como é possível ver no Gráfico 6, o tempo gasto com movimentação foi reduzido a zero e a ociosidade do operador B passou de 30% para menos de 10%.
Gráfico 6 – Estado Futuro: Estado dos recursos
4.3.4 Conclusões e recomendações
Os resultados da simulação permitiram trazer as mudanças propostas para o sistema real. Foram realizados dois testes para inserir as ações sugeridas na linha de produção. Para os testes, a expectativa era de que o tempo do gargalo (primeiro operador) passasse de 204 para 176 segundos. No entanto, no primeiro teste com o
21
balanceamento proposto, a montagem foi feita num tempo médio de 187 segundos e o kitting em 176 segundos. Essa divergência se deu porque foi colocado no kitting um operador não familiarizado com a tarefa, o que fez com que a montagem reduzisse seu ritmo. Assim, houve a necessidade de um segundo teste. Dessa vez, o tempo obtido no gargalo foi de 177,6 segundos, bem próximo ao tempo calculado, e de 161,4 segundos no kitting, menor do que a expectativa (devido à eliminação de porosidades).
Os tempos obtidos no teste comprovaram o resultado da simulação, onde foi previsto um aumento da capacidade de produção diária em 21%.
Assim como o aumento da capacidade produtiva, ficou claro também no sistema real a maior regularidade no ritmo de produção dos trabalhadores. Como resultado da melhor distribuição das cargas de trabalho, é possível notar a diminuição da porosidade nos tempos de ciclo das atividades. Agora os dois operadores possuem ritmos de trabalho semelhantes, eliminando então a falta de uniformidade (mura) e a sobrecarga (muri).
5. CONSIDERAÇÕES FINAIS
O trabalho seguiu o cronograma estabelecido e os objetivos foram atingidos. Com as alterações propostas, a produção diária da linha seria aumentada de 119 para 124 kits, eliminando, também, as irregularidades não ligadas à variação da demanda (muras).
A utilização da Simulação a Eventos Discretos alinhada às técnicas e princípios da Manufatura Enxuta contribuiu para os bons resultados gerados pelo trabalho, permitindo prever os resultados antes de levar as propostas diretamente para o sistema real. Vendo os resultados simulados, a equipe da empresa, engenheiros e operadores da linha, se mostraram mais receptivos e engajados à proposta de trabalho, contribuindo, ainda mais, com seus conhecimentos e com o trabalho necessário para a viabilidade do estudo.
As mudanças realizadas na linha não só provocaram aumento da capacidade produtiva para responder à existência de uma demanda não atendida, como também deixaram o ambiente de trabalho mais organizado e a empresa passou a ter mais controle sobre a matéria-prima utilizada diariamente. Ainda assim, é importante ressaltar que as oportunidades de melhoria devem ser buscadas continuamente.
REFERÊNCIAS
ABDULMALEK, F. A.; RAJGOPAL, J. Analyzing the benefits of lean manufacturing
and value stream mapping via simulation: a process sector case study.
International Journal of Production Economics, v.107, n.1, p. 223-236, 2007.
BANKS, J., J. S. CARSON, B. L. NELSON, D. M. NICOL. Discrete-event
Simulation. 4. ed. Upper Saddle River, NJ: Prentice-Hall, 2005.
CHWIF, L.; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos:
Teoria e Aplicações. 2. ed. São Paulo: Editora dos Autores, 2010.
DE QUEIROZ, J. A.; MIRANDA, R. C.; LEAL, F.; MONTEVECHI, J. A. B. Utilização do software Flexsim na simulação do Value Stream Mapping (VSM): o caso da
22
“Estamparia ABC” do Manual “Aprendendo a Enxergar”, In: Simpósio Brasileiro de Pesquisa Operacional, Porto de Galinhas, PE, Brasil, 2015.
GIL, M. Muda, Mura & Muri. 2015. Disponível em: < https://pbs.twimg.com/media/B0SuBhrIgAAy9mZ.jpg:large >. Acesso em 7 nov. 2016.
HINES, P.; TAYLOR, D. Going lean - A guide to implementation. Lean Enterprise Research Centre, Cardiff, UK, 2000.
LAW, A. M. A tutorial on design of experiments for simulation modeling. In:
Proceedings of the 2014 Winter Simulation Conference, Savannah, Georgia,
USA, 2014.
LEAL, F.; ALMEIDA, D. A.; MONTEVECHI, J. A. B. Uma Proposta de Técnica de
Modelagem Conceitual para a Simulação através de elementos do IDEF. In:
Simpósio Brasileiro de Pesquisa Operacional, Anais... João Pessoa, PB, 2008.
LEAN INSTITUTE BRASIL. O que é o Lean? Disponível em:< www.lean.org.br >.
Acesso em 21 set. 2016.
LEAN INSTITUTE BRASIL. Muda, Mura, Muri – Tipos de Atividades que Geram
Desperdícios. Disponível em: < www.lean.org.br >. Acesso em 26 out. 2016.
LEAN LABORATORY. Eliminate Waste. Disponível em: <
www.lablean.blogspot.com.br >. Acesso em 11 nov. 2016.
MONTEVECHI, J. A. B.; PINHO, A. F. DE; LEAL, F.; MARINS, F. A. S. Application of design of experiments on the simulation of a process in an automotive industry, In: Proceedings of the Winter Simulation Conference, Washington, DC, USA, 2007.
MONTEVECHI, J. A. B.; ALMEIDA FILHO, R. G.; PAIVA, A. P.; COSTA, R. F. S.; MEDEIROS, A. L. Sensitivity analysis in discrete-event simulation using fractional factorial designs. Journal of Simulation, v.4, p.128-142, 2010.
MORGAN, J. M.; LIKER, J. K. Sistema Toyota de Desenvolvimento de Produto: Integrando Pessoas, Processos e Tecnologia. Porto Alegre: Bookman, 2008.
OHNO, T. O Sistema Toyota de Produção: além da produção em larga escala. 5. ed. Porto Alegre: Bookman, 1997.
ROTHER, M.; SHOOK, J. Aprendendo a enxergar: mapeando o fluxo de valor para agregar valor e eliminar o desperdício. São Paulo: Lean Institute Brasil, 2012.
SHANNON, R. E. Introduction to the Art and Science of Simulation. In: Proceedings of the Winter Simulation Conference, Texas, USA, 1998.
SHEN, H. WAN, H. Controlled sequential factorial design for simulation factor screening. European Journal of Operational Research, v.198, p.511-519, 2009.
WORMACK, J. Mura, Muri, Muda? Lean Enterprise Institute, 2006. Disponível em: < www.lean.org >. Acesso em: 26 out. 2016.
23
ANEXO A – SÍMBOLOS IDEF-SIM
Tabela A – Simbologia utilizada na técnica IDEF-SIM
Elementos Simbologia Técnica de origem
Entidade IDEF3 (modo de descrição das transições)
Funções IDEF0
Fluxo da entidade IDEF0 e IDEF3
Controles IDEF0
Regras para fluxos paralelos e/ou alternativos
Regra E IDEF3
Regra OU
Regra E/OU
Movimentação Fluxograma
Informação explicativa IDEF0 e IDEF3
Fluxo de entrada no sistema modelado
Ponto final do sistema
Conexão com outra figura
Fonte: Leal, Almeida e Montevechi (2008)
o
x
&